什么是智能推荐
从阿里云官网文档的介绍：阿里云智能推荐（Artificial Intelligence Recommendation，简称AIRec）基于阿里巴巴领先的大数据和人工智能技术，结合在电商、内容、新闻资讯、视频直播和社交等多个行业领域的积累，为全球企业及开发者提供个性化推荐服务。
服务类型
猜你喜欢
主要应用于终端用户当前浏览意向不明确时，我们将根据终端用户的长期、短期行为表现出的兴趣进行学习与训练，基于已表现兴趣学习下的同时，综合内容推荐的多样性，达到终端用户兴趣探索与多样展现的效果。常见使用位置：首页，品类页。
相关推荐
主要用于当终端用户的兴趣已基本确定时，我们将根据确定的兴趣集中点（某1/N个商品、某1/N篇文章）并根据终端用户海量行为计算与分析找到动态关联的推荐内容进行推荐，根据推荐内容之间的属性与特征相关度找到静态关联内容进行推荐。常见使用位置：详情页
2.智能推荐模板
智能推荐AIRec的推荐方案是根据行业模板来划分的，目前分为商品、内容、新闻资讯3个行业模板，后面会根据客户需求情况增加新的行业模板。
电商行业
主要指电商相关行业，需要向用户推荐的物品带有商品属性（物流信息，售卖信息等），可以引导直接交易，对点击购买率有一定要求。常见的应用如淘宝、天猫、咸鱼等。
数据描述
如果您当前业务形态属于电商行业，启用智能推荐服务需要准备3张数据表
物品表（item）：
此处即指商品。最近推荐场景内全部可以被推荐商品的全量表。由于item数量受配额限制，建议您上传前做去重处理。tem_id与item_type二者同时唯一确定一条item。
用户表（user）：
最近系统的全部注册用户表。由于user数量受配额限制，建议您上传前做去重处理。根据您内部的用户标记方法，可以选择方案一均通过imei唯一确认一名用户，方案二通过user_id和imei组合确认一名用户（如登录用户使用user_id唯一标记，未登录用户使用imei唯一标记）。请务必确认用户的唯一性并在请求推荐结果时指定用户的唯一标识信息，否则将无法进行千人千面的推荐。
行为表（behavior）：
最近一段时间场景的行为数据。我们建议您提供1-2周的数据。如果是全新板块，没有历史数据；或者因为技术原因无法提供行为数据，建议使用我们提供的测试数据，但是在开始一段时间（大约两周）内，模型的效果会不太理想，但随着数据的积累，会逐渐上升并最终稳定。
对于这三张表的选填字段，我们建议您尽量上传。在保证选填字段有效性的条件下，这些选填字段越多越准确，模型的效果越好。未填写部分系统内部将渲染成默认值。
内容行业
主要指内容分享平台行业，推荐的内容带有分享属性（点赞，转发等），可以是较短文本、文章、图片等，或者上述内容类型的混合。常见的应用如淘宝头条、种草社区等。
数据描述
对于内容型行业的场景，需要准备3张数据表。
内容表（item）：
最近场景内全部可以被推荐的内容的全量表。由于item数量受quota限制，建议您上传前做去重处理。item_id与item_type二者同时唯一确定一条item。
用户表（user）：
最近系统的全部注册用户表。由于user数量受quota限制，建议您上传前做去重处理。根据您内部的用户标记方法，可以选择方案一均通过imei唯一确认一名用户，方案二通过user_id和imei组合确认一名用户（如登录用户使用user_id唯一标记，未登录用户使用imei唯一标记）。请务必确认用户的唯一性并在请求推荐结果时指定用户的唯一标识信息，否则将无法进行千人千面的推荐。
3.行为表（behavior）：
最近一段时间场景的行为数据。我们建议您提供1-2周的数据。如果是全新场景，没有历史数据；或者因为技术原因无法提供行为数据，可以使用我们提供的测试数据，但是在开始一段时间（大约2周）内，模型的效果可能会不太理想，但随着数据的积累，会逐渐上升并最终稳定。
对于这三张表的选填字段，我们建议您尽量上传。在保证选填字段有效性的条件下，这些选填字段越多越准确，模型的效果越好。未填写部分系统内部将渲染成默认值。
新闻行业
主要指新闻相关行业，需要向用户推荐的物品带有新闻属性（作者，发布地域，时间等），是传播信息的一种文体，对实效性要求较高。常见的应用如UC头条等
数据描述
对于新闻型行业的场景，需要准备3张数据表。
内容表（item）：
最近场景内全部可以被推荐的新闻的全量表。由于item数量受quota限制，建议您上传前做去重处理。item_id与item_type二者同时唯一确定一条item。
用户表（user）：
最近系统的全部注册用户表。由于user数量受quota限制，建议您上传前做去重处理。根据您内部的用户标记方法，可以选择方案一均通过imei唯一确认一名用户，方案二通过user_id和imei组合确认一名用户（如登录用户使用user_id唯一标记，未登录用户使用imei唯一标记）。请务必确认用户的唯一性并在请求推荐结果时指定用户的唯一标识信息，否则将无法进行千人千面的推荐。
行为表（behavior）：
最近一段时间场景的行为数据。我们建议您提供1-2周的数据。如果是全新场景，没有历史数据；或者因为技术原因无法提供行为数据，可以使用我们提供的测试数据，但是在开始一段时间（大约2周）内，模型的效果可能会不太理想，但随着数据的积累，会逐渐上升并最终稳定。
对于这三张表的选填字段，我们建议您尽量上传。在保证选填字段有效性的条件下，这些选填字段越多越准确，模型的效果越好。未填写部分系统内部将渲染成默认值。
智能推荐接入流程
准备工作
欢迎使用智能推荐，这里主要为您介绍如何快速熟悉产品，了解使用流程，快速找到帮助信息，以及如何让系统为您更好的服务。
该部分主要介绍搭建一个智能推荐服务所必须的一些准备工作，并对控制台的主要功能项进行初步了解。准备工作完成后，您需要选定适合自己的行业和场景模板，结合您当前的数据情况选择匹配的数据上报方式，在保证数据质量的前提下，进行推荐的测试与线上服务部署。
一、根据数据规范准备数据
不同行业的数据规范存在差异，请按照您所属的行业进行文档阅读与数据准备。
I 内容行业：按照内容型数据规范。
II 电商行业：按照电商型数据规范。
III 新闻行业：按照新闻型数据规范。如果想要先测试功能或接口，则可通过上传如下的测试数据。
二、核对行为埋点逻辑是否符合规范
智能推荐需要至少具备曝光、点击行为数据，并且曝光数据要大于点击数据。
三、确认合适的数据上传方案
注意:此处的数据上传流程包括2步，分别是启动数据与实时数据推送。
智能推荐系统目前可支持2种数据对接方式，您可按照您当前的数据形态选择最适合的对接方式。2种方式均需要您确认当数据发生变动时能够实时同步到智能推荐中。
快速启动实例
1、全服务端SDK上传数据
方案概述：您需要全部通过服务端SDK的方式上报user、item以及behavior数据。
2、友盟上传行为数据+服务端上传item及user数据
方案概述：user、item数据通过服务端SDK上报，behavior数据通过使用推荐定制的客户端SDK（即友盟SDK工具）首先进行埋点，埋点完成后，在控制台选配后将自动同步。
II 通过历史数据启动实例
方案概述：您需要首先将user、item以及1-2周的behavior数据传到阿里云MaxCompute服务中（推荐使用Dataworks），数据导入成功后生效服务，并通过服务端SDK上报的方式同步user、item信息变更，上报实时产生的behavior数据。